La nouvelle vague de modèles de grande taille en open source ne vient pas de Silicon Valley, mais de Pékin. Z.ai, anciennement Zhipu AI, a publié GLM-5.2, un modèle à nombreux paramètres conçu pour les tâches longues : programmation, raisonnement complexe, agents. Son lancement n’est pas qu’une entrée de plus dans une liste saturée de modèles. Il montre que l’espace open commence à rivaliser dans des domaines longtemps réservés à OpenAI, Anthropic et Google.

GLM-5.2 ne cherche pas la simplicité. Z.ai l’inscrit dans la famille GLM-5, avec une architecture Mixture-of-Experts, 744 milliards de paramètres au total et 40 milliards actifs par token, et une fenêtre de contexte pouvant atteindre 1 million de tokens. La société le destine explicitement aux tâches de longue haleine : systèmes logiciels complexes, agents capables de fonctionner sur de nombreuses itérations, utilisation d’outils, analyse de vastes dépôts de code. Techniquement, GLM-5.2 ne vise pas les chatbots bon marché. Son ambition, c’est d’être le moteur des agents de codage.

Contexte : ce qui distingue les tâches longues du codage express

Beaucoup de modèles gèrent des exercices courts en programmation. La vraie difficulté apparaît quand le travail se rapproche de celui d’un ingénieur pendant des heures : analyser un projet, comprendre ses dépendances, reproduire une erreur, modifier plusieurs fichiers, exécuter des tests, corriger des bugs secondaires, tout en gardant le fil de la tâche. C’est exactement là que Z.ai positionne GLM-5.2. Sur Hugging Face, la société le présente comme son modèle phare pour les tâches à horizon long, avec des résultats comparés à Claude Opus 4.8, GPT-5.5, Gemini 3.1 Pro, DeepSeek-V4-Pro, MiniMax M3 et Qwen3.7-Max.

Sur le test FrontierSWE, axé sur des projets techniques ouverts et longs, GLM-5.2 obtient 74,4 points, juste derrière Claude Opus 4.8 et devant GPT-5.5 dans le tableau publié par Z.ai. Ce résultat compte, mais ce n’est pas une victoire universelle : sur SWE-bench Pro, Claude Opus 4.8 garde l’avantage, et en DeepSWE, GPT-5.5 se maintient bien. La conclusion la plus prudente est que GLM-5.2 ne remplace pas tous les modèles propriétaires, mais qu’il entre désormais dans la course de pointe pour la programmation et les agents, et cela représente déjà beaucoup. Durant la majeure partie de 2024 et 2025, le débat portait sur la capacité des modèles open à rivaliser sur des tâches générales ; aujourd’hui, la question devient plus concrète : un modèle open peut-il gérer efficacement de vrais flux d’ingénierie, à coût bien moindre ? GLM-5.2 répond oui, au moins pour un nombre croissant de cas.

Les faits : IndexShare et la gestion du million de tokens

La fenêtre de contexte d’un million de tokens est l’une des caractéristiques majeures de cette sortie, mais elle ne suffit pas seule : avoir beaucoup de contexte ne sert à rien si le modèle ne sait pas l’utiliser efficacement ou si le coût d’inférence devient prohibitif. Z.ai explique que GLM-5.2 intègre IndexShare, une technique qui réduit le coût de calcul de l’attention sur de longues séquences en réutilisant le même indexeur toutes les quatre couches d’attention dispersée, ce qui divise par 2,9 les FLOPs par token dans des scénarios à 1 million de tokens. La documentation mentionne aussi une amélioration de la couche MTP pour la décodification spéculative, qui augmente la longueur d’entrée acceptable jusqu’à 20 %.

Autrement dit, Z.ai n’a pas simplement étendu la fenêtre : elle a cherché à la rendre opérationnelle, un point crucial pour les agents de codage, où un dépôt volumineux, une longue trace, de la documentation interne, des tests, des dépendances et des discussions antérieures remplissent vite le contexte. Un contexte étendu peut changer la façon dont ces modèles travaillent : au lieu de fragmenter ou de résumer à l’excès, l’agent garde plus d’état dans une même tâche, ce qui exige en retour une gestion rigoureuse (sélection précise des fichiers, contrôle des ressources, mémoire, récupération d’informations, vérification, bon usage des outils). Un million de tokens ne règle pas un mauvais agent à lui seul : cela lui donne simplement plus d’espace pour fonctionner. La question du coût réel de ce genre d’agents en continu traverse d’ailleurs notre article sur le GB300 NVL72 de NVIDIA, conçu pour multiplier par 20 le nombre d’agents IA par mégawatt.

Analyse : une bonne performance, un coût en tokens qui grimpe

Artificial Analysis classe GLM-5.2 en tête des modèles open source dans son indice d’intelligence v4.1, avec une note de 51, devant MiniMax-M3, DeepSeek V4 Pro et Kimi K2.6, et souligne sa position à la frontière entre compétence et coût par tâche. Son prix reste un atout évident : Artificial Analysis indique 1,4 dollar par million de tokens d’entrée et 4,4 dollars par million de tokens de sortie via l’API de Z.ai, un écart qui peut faire pencher la balance dans le choix d’une architecture d’agents, là où la consommation flambe vite.

Il y a pourtant un coût caché : GLM-5.2 génère en moyenne environ 43 000 tokens de sortie par tâche lors des tests d’Artificial Analysis, dont environ 37 000 en raisonnement. Le modèle produit donc beaucoup de contenu réfléchi, un avantage dans certaines applications, mais aussi une latence plus lourde, un coût plus élevé et une gestion plus stricte des limites. Les chiffres d’Artificial Analysis montrent malgré tout une vitesse moyenne de 207,5 tokens par seconde chez ses fournisseurs, avec un peu plus de 1,4 seconde avant le premier token, des performances compétitives pour un modèle open source de cette taille. La vraie question n’est donc pas seulement la rapidité brute, mais la quantité de raisonnement produite avant la réponse finale, un arbitrage coût-vitesse que notre analyse sur la hausse du coût par tâche malgré la baisse du prix des jetons retrouve chez d’autres modèles d’agents. Pour un agent de programmation, cela pose un dilemme concret : préférer un modèle plus cher mais rapide, ou un modèle moins cher qui réfléchit plus longtemps ? Sur une tâche critique, un modèle commercial plus fiable peut justifier le coût ; sur des processus massifs d’analyse, de génération de tests ou de revue de code, le prix de GLM-5.2 devient un facteur déterminant. Ce même calcul économique explique pourquoi le tarif fixe de l’IA commence à montrer ses limites dès que la consommation réelle des agents dépasse les prévisions.

Perspectives : poids ouverts, déploiement réel et pression commerciale

GLM-5.2 est accessible en poids ouverts, sous licence MIT sur Hugging Face, ce qui permet aux entreprises et chercheurs de le déployer et de l’adapter sans dépendre exclusivement d’une API propriétaire. Attention toutefois à l’erreur classique : ouvrir le modèle ne le rend pas léger pour autant. Un MoE de plus de 700 milliards de paramètres ne tourne pas sur un PC personnel en un clic ; son déploiement demande du matériel spécialisé, beaucoup de mémoire, des frameworks d’inférence optimisés, de la quantification si besoin, de la supervision et une plateforme de serving stable. Pour un développeur seul ou une petite équipe, passer par une API ou un fournisseur spécialisé reste la norme ; pour une entreprise en quête de souveraineté ou de maîtrise des coûts, opérer son propre déploiement peut séduire, sans être trivial à mettre en œuvre, et sans effacer les questions habituelles de sécurité des données, de logs, de juridiction et de confidentialité en cas de recours à un fournisseur externe.

Reuters décrit GLM-5.2 comme une facette d’une nouvelle vague de modèles chinois à bas coût mais puissants, qui gagnent vite en popularité auprès des développeurs et startups dans le monde. Selon l’agence, ce modèle se rapproche d’OpenAI et d’Anthropic sur le code et les agents, même si son adoption dans le secteur privé occidental pourrait être freinée par des questions de sécurité, de régulation et de géopolitique. C’est sans doute le point central de cette sortie : si un modèle open peut rivaliser en coût avec un modèle fermé, les acteurs propriétaires doivent justifier chaque dollar dépensé, ce qui peut pousser à la baisse des prix, à l’élargissement des fenêtres de contexte, à des modèles plus spécialisés en code et à plus de transparence dans les benchmarks. Ce type de repositionnement rejoint la question plus large de savoir quels emplois de programmation résisteront à l’IA selon Bill Gates, qui parie sur un métier transformé plutôt que supprimé.

Le marché pourrait aussi se segmenter davantage : les modèles premium, fermés et très fiables, continueront de couvrir les tâches où qualité, support et contrat priment, pendant que les modèles ouverts occupent progressivement les flux massifs, les usages internes, les agents à faible coût et les déploiements en infrastructure privée. GLM-5.2 ne clôt pas la course, il la rend plus disputée : il prouve que l’open weight n’a plus une génération de retard. En programmation, l’écart s’est assez réduit pour que la vraie question ne soit plus « peut-il rivaliser ? » mais « dans quels cas vaut-il la peine de changer ? ».

Questions fréquentes

Qu’est-ce que GLM-5.2 ?

Un modèle à poids ouverts développé par Z.ai, destiné au raisonnement, à la programmation, aux agents et aux tâches longues.

Est-il vraiment open source ?

C’est un modèle à poids ouverts. La fiche Hugging Face indique une licence MIT, mais sa déployabilité réelle dépend de l’infrastructure, des frameworks et des conditions d’utilisation choisies.

Combien de paramètres possède-t-il ?

744 milliards au total, avec 40 milliards de paramètres actifs par token, sur une architecture Mixture-of-Experts.

Surpasse-t-il GPT-5.5 et Claude Opus 4.8 ?

Sur certains benchmarks, comme FrontierSWE, il se place devant GPT-5.5 et très près de Claude Opus 4.8. Sur d’autres, comme SWE-bench Pro ou DeepSWE, les modèles fermés gardent l’avantage.

Quelle est sa principale force pratique ?

Un bon compromis entre performance et coût : pour des agents de code fortement consommateurs de tokens, il peut réduire nettement la dépense comparé aux modèles propriétaires haut de gamme.